情報技術のパラダイムシフトを聞いてきた！

４月２７日、
2017年4月期 AITCセミナー＆オープンラボ開催のご案内
「AI技術鼎談～先端ソフトウェア技術者とAI～」
http://aitc.jp/events/20170426-OpenLab/info.html
を聞いてきた！ので、内容をメモメモ

・・・するけど、最後のAI技術鼎談はよくわかんなかったので、
キーワードらしきものしか挙げていない・・・

---

■あいさつ

■AIとデータ循環
・技術的特異点
　もうおはなししません。
・二十世紀の預言
　人工物に関する預言はかなり当たっている
　自然物（複雑系）の制御に関する預言は楽観的過ぎる
・自律適応システム
　生命や認知→自律適応システム
　適応的システム＝自律的システム（Popper）
・サイクル（循環）～価値～意味
　価値／意味の維持／向上／創造には仮説検証サイクル（データ循環）が必要
　価値～環境への適応～個体／種のサバイバル
　原始帰納関数→一般帰納関数：終了を判定できない
・仮説検証サイクルの普遍性
　学習と進化が仮説検証サイクルに基づくことは、まあ当然
　時定数の小さい仮説検証サイクル
・焦点距離の制御
　　→意味の理解と結びついている
・ブローカー失語症
　言語を理解できるが産出できない？
　　→文法理解の問題？
・DNNには大局的なサイクルがない
・人間以外の動物には、対称性バイアスがない
　　対称性バイアス
　→人間は、アブダクションしてしまう
　　AIでサイクルをまわせない
・AIの基盤としてのBPR
　AIの研究開発よりも、むしろ実運用のために構造化されたデータが
　用意にアクセスできる必要あり
・AIの普及にはBPRによるデータ循環社会の構築が必須
　BPR=Business Process Reengineering
・インドのオープンAPIとPDS
　　AadHaar
　　　２年で現金とクレジットカード廃止
　　　銀行・政府のオープンAPI

　　コンセントレイヤ；インド版国営PDS（OpenPDSは難しい）
　　カンボジア：ビットコイン技術
　　　→中途半端にITインフラできてると。。

---

■演繹から帰納へ：情報技術のパラダイムシフト
・自己紹介
　コンピューターサイエンスと統計
・汎用人工知能と特化型人工知能の違い
　まだ当分できない汎用人工知能
　特化型人工知能は情報技術を進化させる試み
　　注目される技術はその時々によって変化
　５６から７４年　動的メモリ
　８０から８７　　オブジェクト指向
　２００６から　　帰納的プログラミング
　総務省：強い人工知能と弱い人工知能をわけなかった。

　演繹的プログラミング
　　仕様
　　モデルを使う
　　実装

　もうひとつの方法：例示による仕様
　　統計モデリング（統計的機械学習）
　　過学習；うまくいかない
　　過学習しないモデルをつくる

　深層学習の衝撃
　　Facebook　YanLeCunによる動画

　領域の切り出しとセグメンテーション

　先ほどの例を深層学習で訓練してみると
　　　そこそこいい近似：過学習しない

　演繹的システム設計

　対称システムをブラックボックスとしてE2Eで学習
　　訓練データセットを用意する

　シミュレーターで強化学習を行う
　　分散深層強化学習によるロボット制御
　　　出力側　５ビット
　　　入力　２７３ビット
　要件定義：結果に対してフィードバックすること
　　　→事後要件定義

・ものづくりの世界（事前要求定義）

　IoT＋機械学習の世界

・機械学習の本質的限界
　　見たことのないデータに対して無力
　　　　ひらめいたり、臨機応変な対応はできない
　　本質的に統計的
　　　　元分布からは、ランダムサンプリングを仮定
　　　　→１００％ただしいは無理（バイアスが入ることは避けられない）
・帰納的開発における探索的プロセス
　　人がいない？
　→ソフトウェア危機（１９６０年代）
・同様に、今こそ”機械学習工学”を
　　要求工学
　　ツール
　　　訓練データの管理
　　テスト
　　　りぐれっションテスト
　　運用

---

■AITCセミナー「AI技術鼎談」～先端ソフトウェア技術者とAi～

・自然言語処理：データ
　今の統計的機械学習はデータ
　成果出ている
・統計：直感・知性の半分
　ロジックを組むことも必要
・知識フレーム、オントロジー：人工知能の意味論
・実は、従来のやり方も１００％は保証できない
　　→クラウド
・サイクルに基づく計算モデル
　→ボルツマンマシン
・複数のAIが話をするとき：自然言語に似た話し方？
　分散して、インタラクションのほうが強い
・ダニエルカーレマン
　　システムワン思考：直感的→ディープラーニング得意
　　システムツー思考：努力して　　
・知的とは？
　　システムツーへのゆり戻し
・スマートソサイエティ
・宣言型プログラミング：ブレイクスルーが必要
　　→ゴールを示せば、AIが解く
・ゴールを記述することの難しさ
　　→人の社会における価値は書き下せない
・人は後付で価値を言うのは簡単

・チューニングは本質なのか？
　　チューニングのレベルはいろいろある
　　対称性バイアス

・ディープラーニングやればいい？
　→この世の中は諸行無常
　　いまはわからないから、いろいろいっているが、
　　理論的に解明されれば、だれでもできるかも？
　→５年１０年安泰ということではない。

・仮説検証と試行錯誤の違い
　パラダイムに載るか

・着目している仮説
　　あるふぁご：ゼロ和→相手が思いつかない
　　自然言語：相手が思いつかないと・・・
　→問題の構造が違う
　　
・コンピューターサイエンス：大きなブレイクスルーなかった
・スターとれっく：こばやしまる
　Out of box thinking

・システム同定の話？
　７０年代　ボストン

・訓練データ→運用の場面でアベイラブル
　　→ビジネスモデルを制御しないと得られないデータ　

・リアルタイム強化学習→仮説検証

・パーソナルデータエコシステム

起業には２つある

前エントリの話。まじめに中小企業診断士（を持っている。実は。経営学の修士も出ている。実は）の立場から・・・

IoTに限らず、起業をする人には、２つある。

　１つは、なにかやりたいことがあって、それを元に起業するというもの
　もう一つは、とにかく起業したい！やりたいことは後から考えるというもの

IoTの場合、前者には２とおりあって、
　　なにかのサービスを実現したいというもの（ニーズ主導）
　　なにかの技術をもとに、それを広めたいというもの（シーズ主導）

---

このうち、

「なにかのサービスを実現したい」というのは、一番可能性がある。市場もみえているので、あとはサービスが出来れば、先にすすめる。

次に可能性があるのが
「なにかの技術をもとに、それを広めたい」
　技術主導のものは、使い道が見つかれば、なんとかなるかもしれない・・・
　しかし、使い道が見つからないケースもとても多い。実は、可能性は低い。

いちばんまずいのは
「とにかく起業したい！」
この考えならば、IoTやAIは避けたほうがいい。

---

たとえば、「とにかく起業したい！」というとき、フランチャイズなら、
しっかりしているフランチャイジーであれば、実現する可能性は高い
（成功するかは別問題だが）。
理由は、とにかく起業するまでの方法がわかっているから。


IoTやAIは
　・使い道もわからない
　・できるかどうかわからない
　・今後、流行るかどうかもわからない
　・商流もきまっていない
　・だれに、どうやって広告宣伝すればいいかわからない
　　　：
・・・と、なにもわかんない上、そもそも、IoTでやる必要ないもの、
AI使わないで出来るものも多い。つまり、起業までの不確定要素が多い。
ただ、起業したいだけなら、もっと解りやすい仕事のほうがいい。
だから、あんまり勧められない。

それを勧めてくる人は・・・
　　・あまり技術や現場にくわしくない
　　　　→経営者（昔、技術者も含め）や、役人とか
　　・実は、起業したいという人をもとに、商売している
という場合も結構あるので、話半分に聞いておいたほうが、いいかも・・？

【あわせて読みたい】

「世界を変える」とナメた学生起業で人間不信。あの日の未熟な自分を責めたい
https://new.akind.center/201704/toianna/

コールセンターのAI導入は、現実の話になってきたよね！

チャットボットの作り方とかは、知っておいたほうがいいかも！
と、IBM Watson Summit 2017の動画のライブ視聴で見て思った

ちょっと、その内容をメモメモ
（いろいろやりながら見ているので、かなり話は飛んでいる。ほとんど書いていない）

---

・このまえに、ソフトバンクの話

■JR東日本の人の話
CBM状態基準保全
山手線の状態をサーバーに送って、状態をもとに保全する
コールセンター：Watsonを使ってご案内

■
AIを使用する原動力：データの多さ
Aiの基礎：機械学習
　　統計分析
　　パターン認識
　　データ主導予測
→根拠が必要
コグニティブ：推論
プラットホームの中心にWatson
波・革命：自動車→半導体→データ
業務に適用する
人間では読みきれない
業界変革：医療
watson health
目が見えない：コグニティブ　アシスタント
ブロックチェーン：トランザクションに利用

■三井住友銀行
金融機関
　経営環境：将来予測困難
　IT:技術革新のスピード加速
　お客様のニーズ：ますます多様化

・デジタルネイティブ

経営とITの融合
　２つの経営課題
　　お客様ニーズをすばやく捉えた成長戦略の実行
　　業務効率化によるコスト削減
　→課題解決にはITが必要不可欠

　モード１：いままでの
　モード２

事例１：BlueMIX
　信用リスク計測におけるBlueMixの活用

事例２：コールセンターにWATSON

事例３：そのたのWatdon
　行内の照会業務支援
　セキュリティ対策
今後OpenAPI、ブロックチェーン実験

■パネルディスカッション

・デザイン思考：BlueMixガレージ
・暗黙知を入れる

■アナウンスメント
Watsonユーザーを１０億人に

３つのアナウンスメント
・アプリケーション開発の資格認定を開始
・学習済みWatsonのラインアップを拡大（８０）
　　→アプリケーション開発のWatson
・コグニティブの第一歩をご支援
　　Watsonスターターキット 100万円～
　　Watson for Data Scientist プロフェッショナル・パッケージ
　　働き方改革　コグニティブ・データ・サーチ

IoTの研究・開発側とベンチャーさんの温度差を感じてきた

４月２５日、

IoTグローバル最新動向とシリコンバレーのイノベーションエコシステムを支える人達
http://businest.smrj.go.jp/380824

を聞いてきたのでメモメモ・・・の前に・・・
ちょっと思い出して欲しいんだけど、前のエントリ、Oracleの人の話によると、

IoTは
　IoTの話の前から行っていた企業が、チャレンジしている

つまり、M2MやFAなどをやっていた企業が、IoTが話題になり、いろいろ入手しやすくなって、
いままで思っていたことを試して成功しているという、いまそういう状況が、研究・開発の
現場で、「IoT技術のさまざまな検証をする」とかいう発想では、うまく行っていないという
話を押さえた上で、以下の内容を・・・メモメモ！

---

■冒頭挨拶
・びじねすと：経営支援を展開
　特にIoTに特化したプログラム　４回シリーズの
　　今回は最初
　　次は事例紹介
　　その後中小企業
　　IoTと地方創生
　場所を４回変えながら

・今日の講演者：パワフルな人、いまこうだよを語ってもらう

■施設（Startup hub tokyo)について
・ここ始めての人：大多数
　１、２階あわせ　Tokyo創業ステーション（創業支援拠点）
　　１階　Startup Hub Tokyo
　　２階
　１階の説明：利用料無料、会員登録必要
　　コワーキングスペース：利用登録必要
　　キッズルームもある（保育士さんいる）
　　セミナー　

　コンシェルジュ：予約なしでOK
　　コンサルタント　＜　メンター
　　全員が起業経験者

　セミナー：ほぼ毎日やっている（１日３回も）
　　→１万人が利用

　エキスパートナイト：専門的なアドバイス→起業後の人でもOK

■Innovation Talk Tour 2017
・動画
・なぜ、ここにきた？
　Startup
　経営者の人
　大企業
　新規事業開拓のひと

・ヒューチャーバレー構想
　世界一のことを作ればいい
　ゆにふぁの社長
　GIPプログラム

・すてぃーぶ　うぉずにあっくと、写真撮影会
　「スタートアップ　バイブル」のほんを購入しよう
　→チームワーク：出るくいを打たない日本人
　　自分より賢いやつを連れて来い！

・デザイン思考で問題は見えるか？
　未来予測が必要
　Startup Fire
　「ハーバードのエリートはなぜプレッシャーに強いのか」
　　　エグゼクティブMBA（PLD)
　　　　あいさつする
　　　　人をちゃんと紹介する

・もてる人と外国人に聞くと、手を上げる人が多い

・こんど、ロケットあがる

・本当に自身があったら、名前のある会社は入らない
　　→シャープに入った人

・メディカルデバイス
　US Japan Medtech Frontiers
　日本を医療機器で盛り上げる

・Stay Hungry Stay Foolish
　Stay Hungry Stay Creazy

・２０１７年のテクノロジトレンド
　がートナー知ってる人：おおく　よんでるひと・・・
　じゃ、復習します。

　　人工知能とマシンラーニングがすべての業界を変えていく
　
　がートナー未来予測

　　１９年には、何かしらのサービスと連携
　　２０年までに
　　　ARで買い物する
　　　Webぶらうじんぐの３０％は画面なし

　トレンド
　　　機械学習とAI
　　　インテリジェントなアプリ
　　　インテリジェントなもの
　　　仮想現実と拡張現実

　インテリジェントなアプリ

　インテリジェントなもの

　デジタルのスピードは９００倍
　　１億人のユーザーを獲得するのに
　　　　電話７５年
　　　　ポケモンGo１ヶ月
　　エコシステムを上手に作る

　IoTスタートアップ投資動向
　　Sense
　　FOGHORN
　　BRAVA

　あらゆるものがインターネットに接続する時代

　インターネットに接続するデバイス数予測

　SONYはどんなことをしているか
　　MESH：お客さんと向き合いながら　２０１４年
　　IoT：センサーをモジュール化　プラットフォーム

　IoT産業ランキング＆シェア
　　カテゴリマップ　日本でも増えている　BPM
　　IoTカテゴリの４象限マッピング
　IoT関連ベンチャー投資状況、主な買収

　がートナー未来予測年表
　　コネを作りに行くのはいいけど、
　　どんなサービスは予測が出ていてわかっている

　ザッカーバーグ
　　　完璧を目指すよりまず終わらせろ
　しりこんばれー
　　　さんのぜ、さんふらんしすこ・・・

　　７．１兆円　：あめりか
　　２．５兆円　：中国
　　１３００億円：日本

　シリコンバレーの社長の平均年齢：２９歳
　日本の社長の平均年齢：５９歳
　　→全員が個人投資家になればいい

　架け橋プロジェクト
　　　なんで、いい大学なんでしょう？
　　　投資額：ソフトウェアがいちばん：４０％

　アクセラレーションプログラム

　２４時間体制で働く

　何歳でも何人でも働く

　向こうの世界はすごい
　むこうといったりきたりしながら・・

　がいかわさき
　　　TED
　サバイバルゲーム
　気合がないから生涯儲からない
　いいかわるいかではなく、かつかまけるか
　Unifaという会社がかった

　スタートアップベンチャーが求めているもの
　アイデアをビジネス化するための助言
　会社運営の知識をレクチャー

　注目されているアクセラレーター

　Facebook　１０００社買収
　イノベーティブな会社を買えばいい

　Blackbox　アクセラレーションプログラム

　Google Developers：Manos

Kauffman Foundationのテキストブック
　→大成功した人、招待制
　→エンジェル投資家向け
　Manosアクセラレータープログラム

　トニー・ワグナー博士
　　未来のイノベーターを育てる７つの鍵

・イノベーション教育　３つのP
　　遊び
　　情熱
　　目的

　高岸さん：好奇心に火をつける

　チームビルディングの仕方

・９月末にハーバードビジネススクールエンジェルアムナイ協会
　エンジェル投資トークイベント

・てらもーたーずのとくしげさん

　ビジョンが美しければ、悪い人が入ってこない

・日本人を変えるには
　朝の掃除で、挨拶すること。
　人に声をかけること。
　親を大事にする。
　・・あたっているかわかんないですよ（＾＾；）

■中小機構BusiNestアクセラレータープログラムについて
・アクセラレーターコース
　BusiNest：コース４つ
　支援機関とも連携

・イノベーションを羽ばたかせる場
　未来を作り出す挑戦者を育てる

　特徴3つ
　　中小機構らしさ
　　IoTビジネス
　　スポンサー制度導入

　IoTビジネス
　　サービス商品
　　情報処理
　　ネットワーク
　　制御センサー
　　総合

　最長６ヶ月
　　メンター指導
　　セミナー・報告・モニタリング
　　最終発表会

　卒業
　　卒業後のフォロー

　対象者
　　MAX　８社
　　フルコミットが必須
　　事業計画書を保有していること

---

あ～、いまIoTがらみの開発をしていないで、起業しようとする人の
温度差を感じてもらったと思う。

別エントリで、このへんをまとめてみたい。

そのまえに、上の話に共鳴した人へ
１個だけ、衝撃の事実を教えてあげよう・・・

驚きの真実 〜その多くが実はシリコンバレー発ではない〜
http://blog.btrax.com/jp/2015/01/27/sf-sv/

OracleのIoT話を聞いてきた

４月２５日

Oracle Cloud Platform Summit Tokyo 2017
クラウドで描く未来と選ぶべき現実解

に行ってきた！の話。最後は

インダストリアルIoTに突き進む企業が求めるクラウド

を聞いてきた！のでメモメモ

---

・お客さんの温度間も上がってきた
・この一年、お客様がどんなステータス？

Internet of Things in Action Today

（この件について、ほとんど、会場限りの話。ひみつ）。

・IoTサービス活用の目的
　　収益向上・付加価値・差別化
　　　顧客体験価値の工場
　　　新規ビジネスモデル
　　リスク低減・手戻り防止・無駄の削減

・IoTデータの価値
　　即座に対応：今のオペレーションに
　　　タイムリーな情報収集による差別化
　　　即時アクション思考IoT
　　ためて、今後に活用
　　　高度な複合型分析による差別化
　　　センサー部品蓄積思考IoT

　IoTの話の前から行っていた企業が、チャレンジしている

・インダストリアルIoTの特性と
　お客様のアプローチ例

インダストリアルIoT：お客様の特性
　　意識すべき相手：サービス部門、生産技術、マネジメント層
　　　　　　△情報システム部門
　　優先される／期待される事項：ビジネスへの貢献、マネージドの環境
　　　　　　X　IoT技術のさまざまな検証をする
　　プロジェクトの進み方、要件：随時変化、PoC、アジャイル、探索型
　　　　　　X　ウォーターフォール型

・企業のアプローチ

　サービス部門　　　ビジネスへの貢献　　　随時変化、PoC

　短期的な効果を出す　定着／拡大させる　　高度化へ


・グローバルナお客様
　　リース機器の管理
　ファシリティ管理：IoT基盤＋分析＋システム連携

　聞き状態の管理　領域拡大　　サービス高度化
　短期的効果　　　定着・拡大　　高度化

・スマートファクトリー
　工場IoT

　　現場視点：工場内IoT活用→クラウド
　　企業視点：複数拠点横断IoT活用→オンプレミス

　　リアルタイムダッシュボード　自動入力　リアルタイム制御　インテリジェント
　　　　短期的　　　　　　　　　　　定着／拡大　　　　　　　　高度化

・段階的アプローチとべすとプラクティス

・ステップ１：短期的な効果のために
スイートスポット
　今見えていないものを可視化する
　時間がかかっている業務を改善する
→時間をかけていると、まてない
施策
　リアルタイムビュー：アプリケーションビュー
　　動画

IoTアプリケーション機能展開
　　アセットモニタリング
　　プロダクションモニタリング
　　フリーとモニタリング
　　コネクテッドワーカー

データを即座に連携
　Oracle IoT Cloud

・定着拡大
　経験則の取り入れ
　収集データの挙動を可視化し、業務連携のタイミングを設定
　　ビジュアルストリーミング機能
　現場に応じた処理の調整
　　エッジ処理ロジックの遠隔更新

・高度化
　チャレンジ
　　サードパーティのAIエンジン
　　OSS系
　　RDB系　Oracle Advanced Analytics
　　ハイブリッド方式 BigData SQL

・In-DB機械学習
　準備　実施　報告　評価
　IoT入力データと分析モデルに基づくスコアリング（予兆判定）

・まとめ
　インダストリアルIoTに向かう企業に向けたべすとプラクティス
　　短期の成果を狙う
　　定着化をきちんと考慮する
　　用途・メリットを考慮して機械学習テクノロジを選択する

---